JT15D-4发动机数控实验研究

 本文在JT15D-4发动机上进行了数控系统的实验研究,探索数字控制系统的设计及运行中的问题。为了提高数字控制系统的可靠性,系统中采用了双机通讯、状态性能监视、液压机械式备分的调节器、软件故障诊断报警等多种措施。通过数字仿真、半物理模拟及台架试车各阶段的实践,验证了系统结构、设计的正确性,为进一步开展全功能的数字控制的研究提供了实用的经验。     

发动机故障诊断的主特征量模型

本文提出了发动机状态监控气路分析的主特征量模型。其基本原理如下:对于发动机部件匹配热力学关系式的小偏差方程组,利用最优化方法求出各种可能的故障组合的最优解,并根据合理性判据选择合理的最优解。它可以在可能的故障参数数目大于测量参数数目的情况下,对主要故障参数进行故障诊断。与目前广泛采用的影响系数矩阵法比较,主特征量模型可以用于测量参数数目较少的情况,并且可以给出较多的故障诊断信息,因此具有广泛的实用意义。文中给出了主特征量模型的三种数学模型,讨论了利用主特征量模型进行故障诊断的有关技术问题,并且通过计算机模拟方法对主特征量模型的适用性及可靠性进行了分析。研究结果表明,本文提出的主特征量模型是发动机状态监控与故障诊断的一种有效方法。     

基于RBF网络的火箭发动机动态过程建模

提出了基于径向基函数神经网络（ＲＢＦＮ）的火箭发动机动态过程建模,仿真计算表明：采用ＲＢＦＮ建模,可以达到很好的逼近精度,而且网络训练速度大大加快,可以更好地适应实时状态监控和故障诊断,有实际的工程运用价值。     

涡轴发动机状态监测系统的研究

介绍了某型涡轴发动机健康状况监视系统的总体方案，给出了用于发动机诊断的状态监测参数和性能评估参数；建立了利用故障因子概念诊断发动机故障的数学模型，运用发动机的实际无故障数据的模拟故障数据进行了仿真。结果表明，诊断结论可信。该系统对在役发动机的健康监视具有实用性。     

基于改进人工神经网络的航天器电信号分类方法

根据航天器系统级电性能测试工作中数据量大、任务繁重的特点,设计了基于人工神经网络的智能分类系统,对原始测试数据进行智能化分类,将非线性的调试经验以数据的形式储备,可在减少测试工作中对人为经验依赖的同时为航天器信号识别快速提供专家知识。考虑到经典的人工神经网络系统有训练时间长和对网络初始权值的依赖程度高等不足,利用主成分分析对数据进行压缩和自动编码技术对网络权值进行初始化。实验数据测试表明:与传统方法相比,本文提出的改进学习系统的分类准确率、稳定性和响应速度均得到显著提高。      

用2032信号分析系统诊断滚动轴承损伤类故障

本文从理论上提出了用共振解调法诊断滚动轴承损伤类故障时所得包络信号及其频谱图的基本特征,并用2032信号分析系统对滚动轴承实施了共振解调诊断,验证了理论分析的正确性.     

压电传感元件在智能结构中的应用研究

研究了压电材料作为传感元件在智能结构中的应用。开发了基于锆钛酸铅压电陶瓷传感元件的智能结构实验系统，利用压电传感器对复合材料板结构的载荷变化进行监测并对传感器组的冲击定位功能进行了试验。文中采用模式识别技术，成功地实现了结构连接损伤出现的判别和损伤位置的确定     

实验数据的分析、拟合与诊断

本文以残差诊断法为中心,讨论了测试工程中数据分析、拟合与诊断的方法,并通过实例加以说明。这些方法有助于弄清被测对象的构造和模型,进而能更好地分析对象的性能并对其作出正确的评价。     

航空发动机转速信号的ARMA模型预测方法研究

提出了一种基于时间序列理论的分析和预测某型航空发动机转速信号的方法,建立了描述发动机额定转速变化规律的ARMA（3,1）模型,并对发动机转速进行预测。结果表明,所建模型能够以较高精度预测未来一段周期内发动机转速信号的发展趋势和数值大小,说明采用时序分析方法进行航空发动机转速信号预测有效可行。